import numpy as np
from numpy.linalg import norm
a = np.array([(1, 2, 3), (1, 4, 9), (2, 4, 4)])
b = np.array([(1, 3, 3), (1, 5, 9)])
r = sum([min(norm(a-e, ord=1, axis=1)) for e in b])
berechnet eine Ähnlichkeitsmaßnahme R zwischen Numpy -Arrays mit unterschiedlichen Größe A und B . Gibt es eine Möglichkeit, es vollständig mit Numpy API für eine größere Effizienz auszudrücken?
Dieses Skript: < /p> [code]import numpy as np from numpy.linalg import norm
a = np.array([(1, 2, 3), (1, 4, 9), (2, 4, 4)]) b = np.array([(1, 3, 3), (1, 5, 9)]) r = sum([min(norm(a-e, ord=1, axis=1)) for e in b]) [/code] berechnet eine Ähnlichkeitsmaßnahme R zwischen Numpy -Arrays mit unterschiedlichen Größe A und B . Gibt es eine Möglichkeit, es vollständig mit Numpy API für eine größere Effizienz auszudrücken?
Ich versuche eine gute Möglichkeit zu finden, meine Daten zu visualisieren. Ich berechne die Ähnlichkeit der Ergebnisse zwischen 24 verschiedenen Blob/Merkmal -Erkennungsmethoden. Essentially, I have...
Ich habe einen Set set1 und set set2 sowie 2 Funktionen getSet1ElementsCore (Zeichenfolge S) und getSet2ElementsCore (String) (Diese Rückgabezahlen) und alle Elemente aus beiden Sätzen in einen...
Ich war interessant, wie man die Ähnlichkeit der Worteinbettung in verschiedene Sätze aus dem Bert -Modell erhält (tatsächlich bedeutet das, dass Wörter in verschiedenen Szenarien unterschiedliche...